/Переобуваюсь про вероятность стать блогером/ Раньше я много шутила, что если бы мои школьные учителя русского и литературы узнали, что я зарабатываю текстами и блогом, они бы, скорее всего, уронили чашку с чаем, которая в этот момент была бы у них в руках в учительской. Дело в том, что в старших классах я много ботала математику с экономикой и на уроках литературы решала олимпиадные задачки по экономике. В это же время я списывала примерно все сочинения из сборника ГДЗ, потому что к сроку ничего толком не прочитала. Но вчера я была у родителей, и мы нашли мой личный дневник, подростковый, за 7-8 класс. Два фанфакта 😳 Почему-то в 7-8 классе я была уверена, что если у меня будет пятерка в четверти, то она точно будет по литературе. В дневнике мы не смогли восстановить, почему именно я так думала о себе, да и в моей памяти тем более, но это ладно, смешно)) Второй и главный - я читала тексты, которые писала в 13 лет, и они были, вообще-то, весьма хороши. Ну и в целом - писать-писать-писать - про важное и меняющееся, про грустное и очень радостное, про все подряд - паттерн, про существование которого я забыла за 15 лет, конечно. Короче, новые свежие данные поменяли структуру выводов и гипотез, если вам надо как бы про что-то подумать, всегда смотрите на сырые данные Синк ебаут! PS. Взрослое блогерство - премиум версия блогерства, конечно, если бы меня тут болтало так же, как в 13, вы бы от меня все отписались бы и были правы, хехе! 😊

Стилизация лута под локацию Очень приятно, когда авторы не относятся излишне геймично/технично к рядовому луту. В AC Black Flag Resynced иногда можно открыть сундуки, в которых будут случайные предметы на продажу. Они сразу конвертируются в золото и даже не попадут в инвентарь, но игрок увидит с ними уведомление справа в интерфейсе. И вот авторы заморочились: на острое, где живёт набожная коммуна, в таком сундуке оказалось серебро: тарелка, браслет и крест. Это совершенно точно не случайность, потому что обычно лут в сундуках не начинается с одного слова и не обладает одной цветовой гаммой. Мелочи. Они формируют впечатление от планки качества проекта и улучшают погружение. #анализигр #нарративныйдизайн #AssassinsCreed

AI НЕ ДЕЛАЕТ ВАС ПРОДУКТИВНЕЕ Незыблемый факт: AI уже очень хорош в маленьких задачах. Написать плагин, скрипт, небольшую tool'у, UI для UnityEditor окна, вытащить текст из аудио, накидать интеграцию с Google Sheets — вот здесь он реально экономит время. У меня таких историй уже пачка: — история буфера обмена на macOS — парсинг локализаций из Google Sheets в MySQL — извлечение текста из аудиозаписей — терминальный чат для тестирования внутриигрового чата — интеграция BenchmarkDotNet в Unity И тут спорить бессмысленно: да, это ускоряет. Многие мелкие автоматизации можно сделать буквально за 1 промпт. Когда раньше, я даже не брался за это, т.к. на отладку и написание могло уйти полдня-день. 🔸Проблема - большой production Когда я работал в Playtika, уже тогда менеджмент пытался понять, как ускорить процессы разработки через AI. Но модели упирались в контекст. Они могли решить локальную задачу, но плохо держали систему целиком. Сейчас модели стали намного сильнее. Контекст вырос. Opus уже технически способен написать кусок фичи почти полностью. Но я всё равно не готов просто взять и запушить это в большой production-проект. Почему? Потому что в проекте на сотни тысяч строк AI все равно не хватит контекста, чтобы изучить и прочитать все что есть, из-за этого: 🔹Генерируется функционал, который уже есть в проекте 🔹Системы используются не правильно или не полностью 🔹Агент может посчитать, что функция в другой системе написана не правильно и "исправить". И кажется что сделано много, так много кода и анализа никто бы из нас быстро не делал. Но из-за того что это нужно потом вычитать внимательно, проверить и/или переписать, общее время на разработку может только увеличится. 🔸И это не только мое наблюдение METR проверили это на 16 опытных open-source разработчиках, которые в среднем 5 лет работали на своих репозиториях. Результат: с AI они стали медленнее на 19% 🤯 При этом ожидания до начала эксперимента были: ускорение на 24% А после, разрабы думали что AI их ускорил на 20%. Т.е. человек делает больше и из этого создается эффект ускорения. И эти результаты нужно поправлять за Echoes of AI, где:

на чужой кодобазе среднего размера AI действительно ускорял — медианное время падало на 30.7%.

Т.е. получается примерно такой парадокс: 🔹 Если проект маленький или среднего размера, то с AI можно в среднем получать +30% к продуктивности 🔹 Если проект большой или огромный, то важно выделять места, где AI может быть полезен, но не отдавать все ему на откуп. Несоблюдние баланса = +20% к времени выполнения задачи. Этот вывод я и сам ощущаю, когда иной раз проще самому написать, чем промптить, а потом ходить и все переписывать. Это может показаться бредом, если опираться на новостной фон и хайпа вокруг AI. Но это отлично согласовывается даже с тем, что я писал еще до AI хайпа:

Природа разработки ПО - это перенос информации из мира реального в мир абстрактный. Где человек играет ключевую и незаменимую роль.

А скорость переноса ограничена особенностями мозга и ростом синаптических связей. Что ограничено естественным жизненным циклом организма. И это естественное ограничение продуктивности. И даже когда скорость написания кода стремится к бесконечности, проекты НЕ стало разрабатывать быстрее или дешевле. 🔸Функция снижения AI-продуктивности Точных цифр нет, но если накидать порядок величин, кривая выглядит логарифмической. Пусть: x — текущий размер проекта в kLOC, y — прирост продуктивности в %, Smin — kLOC-min, минимальный размер проекта, когда появляется сложность, Smax — максимальный размер проекта, когда эффект от AI = 0 Тогда формула снижения влияния AI на продуктивность будет выглядеть примерно так: y ≈ Smin · ln(Smax / x)

 kLOC | эффект
------+-------
    5 | +23%
   50 | +12%
  500 |   0%

🔻Проще запомнить: продуктивность падает примерно на ~3-5% на каждое удвоение размера проекта. Ставь 👍 если тебе заходит такого рода контент! Ты знаешь кому переслать эту статью 💪 #ai@UniArchitect

Вот реально смотрю на то, что может современный ИИ и прям верю, что через несколько лет никто не будет нанимать программистов в классическом смысле. Они просто неэффективны по сравнению с теми системами, что я вижу и использую - долго, прокрастинируют, косячат. А ИИ просто берет и кодит. Собственно,а куда катится мир профессий? McKinsey проанализировали 10 500 навыков по уровню их уязвимости перед ИИ и автоматизацией к 2030 году. Результаты заставляют задуматься. Главный парадокс эпохи ИИ: технические хард-скиллы, которые годами считались элитными и безопасными, теперь первыми идут под нож. Знание SQL, бухгалтерия, инвойсинг и даже классическая разработка ПО (Software development) оказались на самом верху графика — то есть в зоне максимального риска автоматизации. Нейросети пишут код и сводят балансы быстрее людей. В середине удерживаются аналитика, исследования и генерация инноваций. А что на дне, в зоне "безопасности"? Чисто человеческие качества. Психологическая устойчивость (Resilience), эмпатия, лидерство и способность влиять. Машины легко осваивают алгоритмы, но не умеют сопереживать, мотивировать и чувствовать. Будущее — за развитием "humans-only" навыков. Гуманитарное образование, короче.

Пхах, маркетплейсы захватил новый феерический скам: Жулики продают фейковые семяна растений, которые эпично выглядят и взрывают мозг, но само собой, не существуют. Таких объявлений дохрена на Amazon, eBay и Etsy, но на наших ВБ с Озоном тоже пруд пруди (ещё бы, скамеры быстрее всех адаптируют лучшие практики). В ассортименте есть космические цветы с огромными бутонами, растения в виде фантастических тварей, плюшевые подсолнухи, гигантская фиолетовая клубника и прочая растительная фантасмагория (см. картинки). Юзеры ведутся и охотно покупают, а мошенники просто отправляют им самые дешёвые семяна или какой-нибудь несчастный птичий корм. Но ценник при этом берут как за чудо-растения с другой планеты (в этом и суть скама). Главный вопрос: почему такое делают именно с семянами растений, а не с чем-то другим? Главная причина - семяна невозможно сразу проверить и вернуть. Они должны прорасти. И обычно это дольше 2-3 недель, которые маркетплейсы закладывают на возврат. То есть, семяна - идеальный вариант, чтобы вскрыть главную защиту маркетплейсного юзера. К тому же, семяна в основном покупают бабушки/дедушки, а это не самая продвинутая и осмотрительная аудитория (ну, в среднем). Их банально легче развести. Конверсия клика в успешный скам выше, чем в других товарных категориях. Но интереснее даже не это. Такой скам с семянами не вчера придумали, он существует столь же давно, сколь и сами маркетплейсы. Но раньше он не был массовым, потому что растения надо было рисовать в фотошопе ручками. А это а) затратно и ресурсоёмко и б) придумать и изобразить что-то реально необычное и пробивающее баннерную слепоту было надо было ещё суметь. Экономика сходилась хуже, поэтому скам был нишевым. А сейчас каждый мамким темщик может сгенерить гигантскую плюшевую розу с бутоном в виде Пикачу за 1 промпт. Экономика стала офигительно сходиться, и сей кринж заполонил торговые площадки. Скидывайте этот пост вашей бабуле, пусть не ведётся. И вообще, сегодня бабуля прочитает пост Дизраптора, а завтра уже навайбкодит свой B2B-SaaS. Семяна вообще не понадобятся, и у скамеров будет на одну цель меньше 👍 Дизраптор

Медленнее обещаний, но быстрее всех остальных. Важно отметить темп и монументальные достижения команды SpaceX в сроках подготовки Starship — это третий раз в программе, когда они опережают прогноз по дата, и приходят к тому самому «по пуску каждые 1.5 месяца». Когда появились первые сообщения о планах повторно полететь в июле почти сразу после Flight 12 — звучало это всё слегка фантастически на фоне проблем после дебюта V3. Тем более уже не первый раз была ситуация, когда обещали очень оптимистичные сроки, но в них не попадали и даже близко. Более реалистичный сценарий звучал, как «до конца июля», пессимистичный «до конца лета». И они целят в оптимистичный сценарий, прям как для Flight 6 и 8. Безусловно, от проблем они не застрахованы, а спешка не прощает. А тут и новые двигатели, и новая площадка, и новый ускоритель, и переработанный корабль. Было бы оправдано взять чуть больше времени для анализа всех новых данных, и для обслуживания такой сложной площадки. Тем более ошибки сейчас недопустимы, особенно на фоне подставы New Glenn для Artemis. Так что это именно тот случай, когда приятно ошибаться в ожиданиях, команда SpaceX действительно делает почти невозможное по меркам отрасли. И да, они на годы отстают на фоне некоторых обещаний, но когда речь идёт про самую мощную, сложную и амбициозную систему — других примеров тут просто нет. Вот когда кто-то ещё сделает и доведёт свой полностью многоразовый сверхтяж, тогда будет с чем сравнить. А дальше? По плану ещё быстрее. Внутренние сроки Flight 14 не менее амбициозные, а план миссии сложнее.

Обратная связь — Поделитесь мнением о продукте, — попросил меня в письме сервис продажи авиабилетов. — Ага, когда-нибудь... Сейчас стало модно собирать обратную связь от пользователей. Нам шлют имейлы, показывают всплывающее окна, пишут в мессенджеры; а мы — молчим. А даже если нет, отвечаем «все норм» и заканчиваем диалог. Пару месяцев назад провел практикум по Claude и тоже попался на эту удочку — решил собрать мнения. Написал 10 людям лично — получил 3 ответа в стиле «вау», одну «гениальная» идею от городского сумасшедшего и 6 тихих игноров. И это от людей, многие из которых знают меня. Тогда поменял подход: взял следующую десятку и написал каждому — «давай встретимся, за 30 минут покажу, как решать твои задачи с Claude в 3 раза быстрее и качественнее». Календарь забился мгновенно. Провел 8 встреч, увидел, где люди реально тупят; от чего конкретно в восторге и что можно смело выкинуть. А еще трое купили следующий практикум. Четыре часа я помогал разобраться людям в Claude, а они мне в моем продукте. И каждый получил вагон пользы. Вывод прост: люди не хотят давать обратную связь. Они хотят получать пользу. Дай им второе и получишь с избытком первое.

Импортозамещение в действии: Huawei строит собственный мегазавод по производству DRAM-памяти Huawei при поддержке правительства Китая запускает строительство крупного завода по производству оперативной памяти в Шэньчжэне. Этот шаг направлен на создание полностью независимой цепочки поставок и защиту от американских технологических санкций. Новая фабрика сосредоточится на выпуске 12-дюймовых кремниевых пластин памяти DRAM по 28-нанометровому техпроцессу. Проектная мощность предприятия впечатляет — инженеры планируют выйти на показатель в 140 000 пластин ежемесячно. Запуск этого гиганта позволит Huawei полностью перекрыть собственные потребности в ОЗУ и окончательно избавиться от зависимости от зарубежных чипмейкеров в лице южнокорейских SK Hynix и Samsung, а также американской Micron.

🚀Быстроновости 🥤Call of Duty: Black Ops и Black Ops 2 вышли на PlayStation 5 и некоторые оказались не готовы к привету из свободно прошлого: в игре не убрали редактор эмблем. Теперь творчество, которое там публикуют, вызывает массовое актуальное «осуждение». 🔫Прямо сейчас в обе Call of Duty: Black Ops на PlayStation играют больше людей, чем в Call of Duty: Black Ops 7 на всех платформах вместе взятых — сообщает издание CharlieIntel. Ждём ремейк. 🔥Новая DOOM уже в начале разработки — студия id Software принялась за продолжение. The Verge, ссылаясь на источники, уверяют: что после увольнений студия не превратилась в команду поддержки, а принялись за новый тайтл. 🏴‍☠️Экспресс новость — Assassins Creed VI: Black Flag Resynced за первые 24 часа разошлась 2 миллионами копий. 😎Подписаться на IGM

Наткнулся на занятную штуку: Fable Advisor — Claude Code plugin для паттерна, который я всё чаще считаю правильным в агентной разработке. Самая сильная модель не должна писать весь код руками. Она должна быть архитектором: понять задачу, разложить её на части, написать нормальный spec, выбрать исполнителя и потом проверить результат. А само «печатающее мясо» можно отдавать более дешёвым/релевантным моделям. Вот думаю многие из вас когда юзают какой нибудь Plan Mode, выбирают самую «умную» модель, а для кодинга чаще всего используют Kimi2.7, новый Grok4.5 или Composer. Брейнрот хорошо напишет любая модель, вот я весь день юзал sol5.6 ультра, потратив все токены и какого то вау эффекта на простых задачах не было. И зачем тогда их тратить вообще, если если условно бесплатный Composer. Ещё мне нравится идея cross-vendor review. Когда Claude пишет spec, Grok или Codex делают diff, а Claude потом проверяет результат, у тебя хотя бы частично расходятся blind spots моделей. Как минимум видел пару исследований, что нельзя писать код и делать ревью одной и той же моделью — так у нее все равно есть определенный bias. Вот интуитивно возьмем идею брейншторма — суть собрать разные взгляды, разных людей с разным жизненным опытом. Почему такое не должно работать с ллмками? Ну как будто должно.

Скилл, сэкономивший мне несколько часов в неделю Я часто говорю, что в продуктовой аналитике нужно комбинировать количественный и качественный подходы. Один из инструментов, который сидит где-то посередине между ними: просмотр записей сессий юзеров (clarity, веб визор и иже с ними). В лучших традициях эмпатического проектирования, когда вы наблюдаете за пользователем в естественной среде. НО этот инструмент очень требователен к времени продакта: даже в ускоренном режиме на такую работу приходится тратить часы в неделю, причем это не самое классное времяпрепровождение, если уж быть честным. Хотя там регулярно встречаются прямо уж "золотые инсайты". Собственно, дружбан, вооруженный браузером, мог бы это делать - не так ли? Собственно, такой скилл я и запилил; обкатал на просмотре 500 сессий через clarity mcp. Как работает: 1) Сначала определяем вопросы, на которые хотим получить ответ: например, почему юзеры не подключают LinkedIn 2) На основе вопросов определяется какие сессии взять на "просмотр" 3) Триаж сессий: по таймлайну сессии отбираем насколько она "интересна" для анализа 4) Далее для каждой сессии берем все евенты, в определенные моменты в том числе берем скриншот и анализируем 5) Триангулируем выводы: по базе данных, по исходникам. 6) Анализируем мертвые клики (dead clicks), так как зачастую это классный источник UX проблем 7) Получаем отчет Из неожиданного: отчет для каждого вывода дает ссылки на исходные сесси и в ходе "человеческого" просмотра одной из них я понял, что важно смотреть не только фреймы перед кликами и тп, но и без оных. Потому что тогда можно поймать проблемы типа "непонятная надпись" или "отсутствует call to action". https://github.com/BayramAnnakov/clarity-session-review Юзайте на здоровье и присылайте улучшения/принципы по мотивам ваших инсайтов

Study and learn У ChatGPT есть спрятанный и недооценённый режим - он вызывается через прописывание @Study в диалоге. Любые наши вопросы обычная модель стремится быстро упаковать в готовые ответы и шаблоны, что создаёт ощущение эффективности в моменте, но долгосрочно приводит к постепенному cognitive offloading и делегированию способности думать. Около года назад ChatGPT добавили “Study and Learn”, режим, который старается не давать нам делегировать весь процесс мышления, педагогически определяет наши задачи, задаёт хорошие вопросы (а не для галочки, как обычные модели). Последнее время всё чаще им пользуюсь. Рекомендую, если вы часто приходите с вопросами типа: • объясни концепт • как это работает? • хочу понять • хочу освоить навык • в чём отличие? Я использую этот режим в супер разных сценариях: • перед началом чтения книг, когда нужно оценить свой уровень понимания темы, особенно, когда понимаю, что книга на вырост и сложная. • когда нужно решить сложную рабочую задачу, с которой я не сталкивался + мне нужно хорошо подумать • когда нужно освоить какой-то навык. Например, недавно с ним учился писать музыку в новом для меня стиле, он хорошо помог не только механически увидеть где должна стоять бочка, где хэты, но и понять, почему оно работает именно так • самое неожиданное - когда нужно сделать саммари видео, большой статьи или даже книги. Я змечаю, что саммаризация контента языковыми моделями не особо работает, потому что создаёт только поверхностную иллюзию понимания. А когда инструмент просит сформулировать идею, мысль - становится сразу понятно, где я плаваю, а где норм. Короче, это универсальный инструмент для того, чтобы включаться в работу. И, конечно, очень показательно, что ChatGPT так глубоко спрятали этот режим в своём интерфейсе. В 2023 году казалось, что LLM изменят опыт обучения, но они довольно быстро сдались - видимо, в среднем пользователи лучше реагируют на быстрые ответы, подхалимство и понятные чек-листы на выходе. А инструмент Study and Learn только лишнее место занимал.